FootQuery: 予測接地位置に基づく深度履歴検索による知覚型ヒューマノイド歩行

- 複雑地形を歩行する humanoid のための知覚・運動フレームワーク FootQuery を提案。 - 各足の次回 touchdown 予測と不確実性から depth history を query し、接地時に見えない地形情報を取得。 - proprioception と onboard depth images のみで展開可能。

- 従来の知覚歩行は現在の視覚や global visual memory に依存し、自己遮蔽や視野制限で touchdown 時の地形が見えない問題があった。 - FootQuery は未来の接地位置を手がかりに過去の depth frames を検索し、接地時に不可視な領域の情報を補完。 - 単一 policy で屋外階段・屋内経路を連続踏破できる点が先行研究と比べて優れる。

- policy が proprioception から touchdown locations と uncertainty を予測。 - その分布と per-foot features を用いて、sparsely sampled historical depth frames を query。 - 訓練時は realized contacts を過去画像に投影し、接触が見えていた領域の retrieval を監督。 - 取得した per-foot features を global visual memory と融合して制御行動を生成。 - progressive force-assistance curriculum と event-consistent tread-midline shaping を併用。

- シミュレーションで最も難しい stairs, gaps, platforms において完全なフレームワークが component ablations を上回る。 - 実世界では Unitree G1 を用い、単一 policy で屋外階段と屋内経路（階段昇降、platforms、gaps）を連続踏破。

- 結果は、知覚 humanoid locomotion において視覚履歴を予期される接地周辺で組織化することの有効性を支持。 - 限界や失敗事例、計算コスト、汎化性に関する議論は要旨からは不明。

- 要旨で参照・比較されている研究は明示されていない。 - 関連手法として、humanoid locomotion における perceptive locomotion、depth-based terrain representation、visual memory、touchdown prediction を扱う研究が次に読むべき候補。